شبکه های عصبی و برنامه های کاربردی تلفن همراه
یکی از مدیران ارشد گوگل سندار پیچایی در سال 2014 گفت که اولویت اصلی این شرکت در این مرحله از توسعه آن، یادگیری ماشین است. دو سال بعد، پس از این بیانیه، در ماه مارس سال 2016، برنامه Alphago بهترین بازیکن را در حرفه ای 9 دانا لی Sedol شکست داد. این برنامه توسعه یافته توسط DeepMind Startup و امروزه متعلق به Google Works در الگوریتم شبکه عصبی خود یادگیری است. پس از پیروزی شکست ناپذیر هوش مصنوعی بر نابغه بشری، رونق سیستم های عصبی را آغاز کرد.
شبکه های عصبی که در آن اعمال می شود و چرا امروز آنها اغلب ذکر شده است، ما در این مقاله خواهیم گفت.
جهت یابی
شبکه های عصبی چیست و چه وظایفی آنها را حل می کند؟
بشریت مدتهاست شروع به توسعه در زمینه هوش مصنوعی می کند. شبکه های عصبی، یکی از این تحولات. اصول ساخت چنین شبکه ای در "کپی کردن" سیستم عصبی انسان قرار دارد. ویژگی اصلی آنها این است که آنها قادر به مطالعه خود هستند. به این ترتیب، آنها می توانند بر اساس داده های به دست آمده به دست آمده کار کنند.
اما شبکه عصبی نه تنها تقلید از سیستم های انسانی است. آنها همچنین شبیه سیستم عصبی هستند. یعنی، شامل عناصر محاسباتی جداگانه است. که می تواند با نورون های انسانی مقایسه شود. تمام اطلاعاتی که شبکه دریافت می کند به طور مداوم در حال پردازش چندین بخش عصبی (لایه ها) است که شامل چندین "نورون" است.
از آنجا که شبکه ها برای پارامترهای هر "نورون" شناخته شده اند و کل شبکه به طور کلی، ممکن است به عنوان یک نتیجه از داده های قبلا به دست آمده برای تغییر کار خود. یعنی "خود مطالعه" است.
امروزه شبکه های عصبی اغلب استفاده می شوند. به عنوان مثال، بسیاری از خرید های بزرگ آنلاین از آنها استفاده می کنند تا مشتریان خود را برای آنها مناسب تر ارائه دهند. مدل های ریاضی برای شناخت و پخش سخنرانی، و همچنین تشخیص و پردازش تصویر نیز به طور گسترده ای مورد استفاده قرار می گیرند.
رونق اتومبیل های بدون سرنشین نیز یک دامنه جدید استفاده از شبکه های عصبی را باز کرد. آنها برای استفاده از مسیر و عملکرد سیستم های ناوبری استفاده می شود.
تولید کنندگان نرم افزار آنتی ویروس نیز بر آنها متمرکز شدند. چنین تحولات در زمینه هوش مصنوعی به شما این امکان را می دهد که از اطلاعات مجرمان محافظت کنید و محتوای غیرقانونی را در اینترنت شناسایی کنید.
در حال حاضر، آینده شناسان "قرعه کشی" یک تصویر شگفت انگیز از آینده، که در آن مقیاس شبکه های عصبی بارها و بارها افزایش می یابد. به عنوان مثال، ربات ها به نظر می رسد، باغبانان. که به لطف صدها میکرو کاتالوگ ساخته شده، داده ها را دریافت می کنند، آنها را تجزیه و تحلیل می کنند و علف های هرز را از گیاهان کشت می کنند. با تشکر از "خود آموزش" چنین روبات ها قادر به استفاده از پردازش فردی به هر گیاه هستند.
در اینترنت در حال حاضر توسعه یافته است، شبکه های عصبی قادر به ایجاد رابط های صوتی برای "ارتباط" از اشیاء مختلف از جمله "وب". الگوریتم های چنین مدل ریاضی قادر به جایگزینی یک فرد در مراکز تماس، کنترل کننده ها در انبارها، مترجمان، مشاوران و نمایندگان سایر حرفه ها خواهند بود. بر اساس بسیاری از تحلیلگران، این شبکه های عصبی تنها 3-5 سال نیاز دارند.
در حال حاضر، شبکه های عصبی به شما اجازه می دهد تا برخی از راه حل ها را برای یک فرد انجام دهید. اجازه دهید آنها را بیش از حد فکری نامیده شود، اما پیروزی برنامه بر اساس چنین الگوریتم ها به شما اجازه می دهد تا به موفقیت خود در آینده اعتقاد داشته باشید.
چرا شبکه های عصبی اکنون خیلی محبوب هستند؟
درباره هوش مصنوعی هوش مصنوعی برای مدت طولانی فکر کرد. در استفاده از شبکه های عصبی برای حل این مسئله، 70 سال پیش. اما، تنها امروزه در این حجم هایی که لازم است امکان پذیر است.
محبوبیت شبکه عصبی امروز به دلیل افزایش سرعت "نورون ها" است. یعنی عناصر محاسباتی فردی. با تشکر از اینکه ممکن بود زمان را برای مرحله "آموزش" کاهش دهید. ده ها میلیون داده مورد نیاز برای عملیات چنین شبکه هایی به دلیل پردازنده های مدرن و کارت های ویدئویی به سرعت پردازش می شوند. فن آوری های مدرن از یادگیری سریع و منجر به پیشرفت هوش مصنوعی شد.
الگوریتم های سیستم های عصبی در برنامه های کاربردی موبایل
به تازگی، پروژه های سرگرمی زیادی در بازار برنامه های تلفن همراه وجود دارد که از شبکه های عصبی استفاده می کنند. البته، تبلیغات اصلی آنها را به برنامه Prisma تبدیل کرد. علاوه بر این، قابل توجه است که رقیب این برنامه MLVCH، و همچنین یک سرویس ویدئویی محبوب MSQRD است. که همچنین از الگوریتم های ریاضی توصیف شده استفاده می کند.
PRISMA
برنامه Prisma، توسعه دهندگان روسیه، تبدیل عکس از تصاویر هنرمندان معروف، شاید معروف ترین استفاده از شبکه های عصبی در زندگی مدرن است. اول از همه، Prisma توانایی های چنین الگوریتم های ریاضی را در هنگام توسعه برنامه های کاربردی تلفن همراه نشان می دهد. اما، چنین سبک سازی تصاویر را می توان نه تنها در اهداف تفریحی، بلکه در طراحی، انیمیشن، گرافیک کامپیوتری و سایر مناطق مشابه اعمال کرد.
بله، سازندگان PRISMA را نمی توان پیشگامان نامید. با استفاده از یک شبکه عصبی برای پردازش تصویر قبلا استفاده شد. به عنوان مثال، الگوریتم های مشابه برای ایجاد یک فیلم در سبک ون گوگ استفاده شد، اما پردازش یک فریم حدود 3 دقیقه طول کشید. فن آوری های مدرن به آن اجازه می دهد بسیار سریعتر. در همان Prisma، پردازش عکس کمی بیش از 1 ثانیه طول می کشد. و این به رغم این واقعیت است که عکس به سرور بارگیری می شود، پردازش شده و به کاربر ارسال می شود.
هنگام پردازش عکاسی، اشیاء نمایش داده شده بر روی آن تعریف شده است. پس از آن، سبک هنرمند انتخاب شده به تصویر اعمال می شود. به عبارت دیگر، کاربرد با کمک شبکه های عصبی مصنوعی "کار" کار مغز هنرمند را تکرار می کند. این شگفت انگیز، جذاب و بسیار زیبا است.
در حال حاضر در "PRISM" شما می توانید فیلتر های تقلید سبک ها 21 هنرمندان را انتخاب کنید - از ادوارد مینک و مارک ستگال به ون گوگ و پیکاسو. به گفته توسعه دهندگان، الگوریتم های کاربردی در حال حاضر به زودی به انتخاب فیلترهای مناسب در حالت اتوماتیک کمک می کنند.
ملت
MLVCH اصلی رقیب PRISMA است. این کار بر روی یک الگوریتم مشابه کار می کند، اما با یک توضیح پیچیده تر متمایز است. اگر تصویر PRISMA در 20-30 تکرار پردازش شود، سپس در MLVCH برای 100 مورد پردازش می شود. که به شما اجازه می دهد یک تصویر دقیق تر را در خروجی دریافت کنید. علاوه بر این، MLVCH 2.5 برابر فیلتر بیشتر از Prisma است.
در مورد معایب، این پیچیدگی پردازش عکس در MLVCH زمان دریافت گزینه نهایی را افزایش می دهد. علاوه بر این، تنها یک عکس را می توان در روز رایگان پردازش کرد. برای همه موارد پس از آن باید 75 روبل را پرداخت کنید. علاوه بر این، شما می توانید یک بسته از 100 عکس برای 2990 روبل خریداری کنید.
جایی که دیگر شبکه های عصبی اعمال می شود؟
البته، محصولات کاربردی با استفاده از شبکه های عصبی اغلب برای تجزیه و تحلیل تصاویر استفاده می شود. اما با استفاده از برنامه Clarifai، می توانید بیشتر بروید و تصویر را بر روی ویدیو تشخیص دهید. یکی دیگر از خدمات مشابه شرکت روسی NTECHLAB را ارائه می دهد. او برنامه FindFace را توسعه داد. با استفاده از یک عکس از کاربر می توانید مشخصات خود را در شبکه اجتماعی "Vkontakte" پیدا کنید
خدمات "auto.ru"، که امروز متعلق به Yandex است، در عکس به طور مستقل نام تجاری و مدل ماشین تصویر شده را به رسمیت می شناسد. اصل "دیدگاه کامپیوتری" مورد استفاده در چنین شناختی نیز بر روی تکنولوژی شبکه عصبی کار می کند.
با استفاده از نرم افزار Ostagram، شما نه تنها می توانید سبک ها را، بلکه حتی تصاویر را دوباره انجام دهید. و با کمک Deepomatic، کاربر بر اساس آنچه که او در اینترنت توزیع شده است، محصولات از فروشگاه های آنلاین ارائه می شود.
البته، تجزیه و تحلیل تصاویر با تبلیغات و سرگرمی اهداف منطقه استفاده از یک شبکه عصبی محدود نیست. راه اندازی AVA به شما اجازه می دهد تا سلامت خود را دنبال کنید. این نرم افزار عکس های ظروف و مواد غذایی و مسائل مربوط به اطلاعات مربوط به کالری و مواد افزودنی های مختلف را تجزیه و تحلیل می کند.
نه چندان دور، با کمک الگوریتم شبکه عصبی Yandex، آلبوم موسیقی "دفاع عصبی" را ثبت کرد. این پروژه که متون تولید شده "Autopoet" نامیده می شود.
با استفاده از الگوریتم های ریاضی توصیف شده و یکی دیگر از موتور جستجوی پیشرو در اینترنت Google. در نوامبر 2015، این شرکت یک تابع ویژه را به ایمیل Gmail خود معرفی کرد، به طوری که خدمات خود سه پاسخ به یک نامه دریافتی را تولید می کند. شما می توانید بهترین موس را با یک کلیک انتخاب کنید.
همچنین شبکه های عصبی هنگام ایجاد ماشین های بدون سرنشین و دستگاه های پرواز استفاده می شود. اول، فرد توسط این ابزارها مدیریت می شود. داده ها در یک پایگاه خاص جمع آوری می شوند که برای "یادگیری" autopilot استفاده می شود. در حال حاضر در سوئیس یک مرکز هوایی بدون سرنشین وجود دارد که از اصول شبکه عصبی استفاده می کند و برای جستجوی گردشگران از دست رفته استفاده می شود.
ربات های محبوب محبوب که در شبکه های اجتماعی مورد استفاده قرار می گیرند نیز می توانند از الگوریتم های ریاضی توصیف شده استفاده کنند. راه اندازی آمریکایی لوکا با موفقیت از یک شبکه عصبی برای یادگیری ربات های خود استفاده می کند. و با استفاده از برنامه Eterni.me، شما می توانید یک نماد ایجاد کنید و "آموزش" آن را به صاحب خود خود را. برای این شبکه عصبی اطلاعات مربوط به صاحب آواتار را جمع آوری کرده و آن را به یک شی مجازی معرفی کنید. چنین جسم پس از مرگ نمونه اولیه او قادر به ادامه "زندگی" صاحب آن خواهد بود.
علاوه بر این، این نماد ربات را می توان برای برقراری ارتباط با افرادی که نمی خواهند وقت خود را صرف کنند، ایجاد شود. مشعل با موفقیت چنین محصولی را آزمایش می کند. ما منتظر پذیرش یک برنامه خاص برای ایجاد ربات خود هستیم.
همچنین شبکه های عصبی در آینده برای تشخیص تشخیص پزشکی یا "خواندن" نتایج تجزیه و تحلیل استفاده می شود. شرکت هایی مانند Atomwise، Elitic، Quantified Skin و غیره در حال حاضر در این جهت کار می کنند. و پروژه ژنومیک عمیق می تواند ژنوم را تجزیه و تحلیل کند و توسعه بیماری های احتمالی را پیش بینی کند.